点击下方 卡片 ，关注" 具身智能 之心 "公众号 近期北京人形机器人和北京大学团队发布RoboMIND 2.0：一款面向通用化具身智能的大规模双臂移动操作数据集，通过整合 6 种异构机器人平台的 310K 轨迹 数据、多模态感知信息（含触觉）、高保真数字孪生资产及标准化标注体系，填补了现有数据集在双臂协调、移动操作、跨形态泛化等维度的空白。配套提出的 MIND-2 快慢双系统框架（高层 VLM 规划 + 低层 VLA 执行），基于离线强化学习融合成功与失败轨迹训练，在长时域复杂任务、多机器人协作场景中显著超 越传统模仿学习与现有 VLA 模型，为机器人通用化操作能力的提升提供了数据支撑与算法范式。 机器人操作领域的瓶颈和痛点 在机器人操作领域，数据驱动的模仿学习已成为突破传统控制局限的核心路径，但现有数据集与算法体系仍面临多重瓶颈，严重制约了机器人在真实场景中的通 用化部署： 1. 数据集维度单一，缺乏综合多样性 现有数据集多聚焦单一维度的多样性（如仅覆盖单一机器人形态、单一任务类型或单一环境），难以支撑跨场景、跨硬件的泛化学习。例如，多数主流数据集以 单臂固定基座操作数据为主，缺乏双臂协同、移动操作的大规 ...